广州市内环路增槎路放射线合流段分车道信号控制设计

随着城市社会经济的快速发展,交通拥堵已成为大中型城市发展过程不可避免的难题,其中快速路合流段的拥堵问题越来越凸显,严重制约着城市路网的整体运行效率。为解决快速路合流段通行效率低下、交通秩序混乱等问题,提出在快速路匝道合流位置设置分车道信号控制的措施,针对路段内早晚高峰的流量特征,实行不同的信号控制方案,充分挖掘有限的道路空间,从而保证合流段整体的运行效率与交通秩序,并以广州市内环路增槎路放射线为例,介绍分车道信号控制作为快速路合流段拥堵的治理方法在实际应用过程中的实施条件、设计方案与实施效果。     

双变量高斯概率积分的计算

在信号处理的应用中，经常需要计算双变量高斯概率密度函数在四个象 限上的积分值。当随机变量的均值不为零时，用通常的积分方法计算这些积分的闭合形式解是行不通的，人们曾经提出过许多种数值解法，然而，这些解法的准确度都受到各种条件的制约。在本文中，用特征函数解法推导出了这个问题的闭合形式解。这个解法是以著名的合流超几何函数的形式推出的。当随机变量的均值为零时，这个解在第一象限上的积分值可简化为一个已知的结论。这个解可用某些软件包（如MAPLE）来解。     

采用模糊加载控制的大功率筑机传动实验台

针对目前传动实验台存在的问题，提出了一种大功率直流合流控制方案，加载方式上采用模糊控制，减少了超调，提高了加载的平滑性，节电效果明显。     

互通立交匝道端部超高设置的探讨

互通立交曲线匝道的超高设置是互通立交设计中的重要一环,尤其是匝道端部附近的超高设置,在立交设计中也堪称难点.虽然规范中对此都有明确规定,但本文中将对此更详细地加以总结归纳,以供设计者参考.     

“沪宁合流”曲终人散了吗？

南汽与上汽合作解决罗孚问题至今依然搁浅，成为2005年留给汽车业的一大悬念。日前传出有关南汽罗孚项目“落地”的消息：无独有偶，上汽基于罗孚项目的自主品牌工作也在紧锣密鼓之中。双方不约而同地表示：将于2007年推出各自的自主品牌。表面上，各自都在轻松勾画着未来的发展“蓝图”，但私底下却在暗暗较劲。     

城市快速路匝道合流区汇入车辆折算系数研究

讨论了城市快速路匝道合流区汇入车辆的车辆折算系数(PCE)计算的理论和方法。基于上海市快速路实测数据,从匝道车辆汇入主线的过程分析出发,考虑各类车型车身长度、车辆性能和主线外侧车道车头时距分布等因素对车辆汇入主线的影响,根据间隙接受理论和不同主线流量下各类车型的匝道汇入能力,建立了匝道合流区汇入车辆折算系数模型,并给出了在充分加速汇入和停车汇入两种汇入模式下PCE的建议值。研究表明:PCE值与汇入模式和主线外侧车道流量有很大关系,其与主线外侧车道流量呈正相关性,在同等主线外侧车道流量下,充分加速模式较停车汇入模式的PCE值小;在计算匝道合流区通行能力时不应对汇入车辆的PCE简单的取一定值。     

高速公路加速车道设计理论探讨

提出了以高速公路加速车道合流等待理论为基础的加速车道长度设计方法和以排队论为基础的入口萜道交通控制方法。这些方法克服了传统方法中忽视主线交通量的情况，特别是在主线较为拥挤的条件下加速车道上排队的情况。     

车路协同下基于冲突规避的匝道合流优化控制方法

匝道合流区是城市快速路冲突频发区,研究匝道合流控制方法对于提高道路的通行安全具有重要意义。文中基于冲突规避原则提出了CVIS环境下的匝道合流控制方法。考虑车辆特性和行驶的约束,以合流区冲突最小为目标,优化行车过程。经仿真验证,该方法能有效避免冲突并提高车辆行驶的舒适性,为匝道合流区的冲突管理提供控制方法。     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。